几个重要定理推导与证明.docxVIP

几个重要定理推导与证明 1.多个独立随机变量和或差的方差等于各变量方差的和。 设、为两个独立随机变量 而对于独立变量， 故 推广到多个独立变量，同样有： 2．非零常数与随机变量乘积的方差等于该常数平方与变量方差之积。 设常数，随机变量的方差为 3．，即。 由于 根据定理2， 又由于各独立同分布， 根据定理1， 于是有： 4．。 根据定理1， 再根据定理3， 由此可以看到两样本均数比较的统计量分母由来。 5．为总体方差的无偏估计。 一般地，若，则称是的一个无偏估计，则需证明 由于 故 又由于 所以 故有 因此，为总体方差的无偏估计。 6．二项分布参数的总体均数和方差。 设服从二项分布，，其概率函数为： 则 推论：， 7.Poisson 分布是二项分布的极限分布。 在独立试验中，以代表阳性事件在试验中出现的概率，若试验总数为，阳性事件发生次数服从二项分布。，如果，则当 QUOTE n→∞ 时， 记 QUOTE λn=npn ，则 由于对固定有 ，， QUOTE limn→∞λnk=λk  QUOTE limn→∞1-λnnn-k=e-λ  所以，当时有 8.Poisson 分布的总体均数和方差。 设服从Poisson分布，则  QUOTE λ0  9.简单回归方程回归系数的最小二乘估计。 已知：简单线性回归方程为： 其中且相互独立。求回归系数 QUOTE β0 和的最小二乘估计。 根据最小二乘法的思想，即求使得误差平方和 达到最小时的 QUOTE β0 和作为其估计值。 观测 QUOTE (xi，yi)  QUOTE β0 已知，把看做 QUOTE β0  QUOTE β0 和的函数，分别对 QUOTE β0 和求一阶偏导，并令之为0得： 整理后得： 消去法解关于 QUOTE β0 和方程组得： 即为 QUOTE β0 和的最小二乘估计值。 10. 配对秩和检验界值表的制作。 以为例说明，假定配对的有效对子数，总体秩可取值为1、2、3、4（不考虑持平值）。计算正秩和或负秩和，总秩和，即当n固定时，总秩和是恒定的，因此与的分布是等价的，只需计算和中任意一个。 和均从总体秩中取值，可取0、1、2、3、4个秩，因此可得到的（或）有16种（ QUOTE C40+C41+C42+C43+C44=24 ）情况，可能组合及秩和值（或 QUOTE T-） ）见下表： 取秩-12341,21,31,401234345取秩2,32,43,41,2,31,2,41,3,42,3,41,2,3,4567678910每种组合情况所对应的秩和的概率为，归纳成时秩和的概率分布见下表： 0123456789100.06250.06250.06250.1250.1250.1250.1250.1250.06250.06250.0625单侧P值0.06250.1250.18750.31250.43750.56250.43750.31250.18750.1250.0625的概率分布为对称的非连续分布，的最小值为0，最大值为，均数为，对于，最大值为10，均数为5。 根据的概率分布可计算样本值对应的单侧和双侧累计概率，得到相应单侧或双侧值如上表第三行所示。从中可见，由于的最小单侧累计概率大于0.05，按通常的检验水准得不到有统计学意义的推断结论，因此配对秩和检验界值从5开始取值。 由于正秩和与负秩和具有对应关系，因此，两者中小者小于或等于下侧界，则大者大于或等于上侧界值。计算时只需要计算其中任意一个，然后查界值表。 改变，重复以上步骤可得到不同对应的界值表。 11.似然函数的概念及正态分布参数的似然估计。 设样本 QUOTE X=(X1,X2,?,Xn) 的概率函数为 QUOTE fx1,?,xn,θ ，其中为参数，在参数空间内取值，当固定 QUOTE X 而把 QUOTE fx1,?,xn,θ 看成 QUOTE θ 的函数，则称为似然函数(likelihood function)。 其中，若是连续型的，则 QUOTE fx1,?,xn,θ 是其概率密度函数；若 QUOTE X 是离散型的，则 QUOTE fx1,?,xn,θ=PθX1=x1,?Xn=xn ， QUOTE Pθ 表示有关概率是在参数值为 QUOTE θ 时计算的。 的极大似然估计 QUOTE θx1,?,xn ，就是在已得样本的情况下，似然性(likelihood)最大的